求教，GEO数据集下载时，factor函数加入levels后，数据变为NA

lwy

附源代码
#if (!requireNamespace("BiocManager", quietly = TRUE))
#install.packages("BiocManager")
#BiocManager::install("GEOquery")
#BiocManager::install("reshape2")
rm(list=ls()) #清空环境内变量
options(stringsAsFactors = F) #避免自动将字符串转换为R语言因子
suppressMessages(library(GEOquery))
library(stringr)
library(ggplot2)
library(reshape2)
library(limma)
gset = getGEO('GSE143303', destdir=".", AnnotGPL = F, getGPL = F) #设置后两个为T比较耗时，而且作用不大
exp<-exprs(gset[[1]]) #exp即为表达矩阵
pdata<-pData(gset[[1]])
#临床信息中哪一列提供了分组信息需要自己去鉴别
#采用字符串分隔函数按空格进行分隔取第三位
group_list<-str_split(pdata$characteristics_ch1.1,':',simplify = T)[,2]
#设置样本分组
group_list = factor(group_list,levels=c('healthy','Severe asthma')) #设置为因子变量
table(group_list)

lwy

附运行结果

group_list<-str_split(pdata$characteristics_ch1.1,':',simplify = T)[,2]
#设置样本分组
group_list = factor(group_list) #设置为因子变量
table(group_list)
group_list
healthy Severe asthma
13 47

group_list<-str_split(pdata$characteristics_ch1.1,':',simplify = T)[,2]
#设置样本分组
group_list = factor(group_list,levels=c('healthy','Severe asthma')) #设置为因子变量
table(group_list)
group_list
healthy Severe asthma
0 0

fenguoerbian

你如果自己仔细检查一下代码运行的结果的话，你会发现

group_list<-str_split(pdata$characteristics_ch1.1,':',simplify = T)[,2]

得到的结果向量里，内容是“ Severe asthma”和“ healthy”，而不是你后续levels里给出的“Severe asthma”和“healthy”，开头差了一个空格。

这是因为原来的字符串里冒号之后还有一个空格，在你split的时候被你忽视了。

lwy

fenguoerbian
谢谢您的指点，已去尝试，已获得解决。作为新手，以后会注意这种问题的，吸取经验了。